Программируем с PyTorch, Создание приложений глубокого обучения, Пойнтер Я., 2020

Программируем с PyTorch, Создание приложений глубокого обучения, Пойнтер Я., 2020.
 
PyTorch — это фреймворк от Facebook с открытым исходным кодом. Узнайте, как использовать его для создания собственных нейронных сетей. Ян Пойнтер поможет разобраться, как настроить PyTorch в облачной среде, как создавать нейронные архитектуры, облегчающие работу с изображениями, звуком и текстом. Книга охватывает важнейшие концепции применения переноса обучения, модели отладки и использования библиотеки PyTorch.




Классификация текста.
Итак, давайте оставим в покое изображения и переключим внимание на другую область, где традиционные методы глубокого обучения значительно продвинулись вперед. Речь пойдет об обработке естественного языка (NLP). Хорошим примером является Google Translate. Изначально код, который обрабатывал перевод, представлял собой ощутимые 500 000 строк кода. Новая система на основе TensorFlow составляет примерно 500 и работает лучше, чем старый метод. Недавние прорывы также произошли в сфере применения переноса обучения (о котором вы узнали в главе 4) к проблемам NLP. Новые архитектуры, такие как Transformer, привели к созданию сетей, подобных OpenAI’s GPT-2, более крупный вариант которого производит текст, практически сопоставимый по качеству тексту, который может создать человек (на самом деле OpenAI не выпустил веса этой модели, опасаясь ее неправильного использования).

КРАТКОЕ СОДЕРЖАНИЕ.
ГЛАВА 1.НАЧАЛО РАБОТЫ С PYTORCH.
ГЛАВА 2.КЛАССИФИКАЦИЯ ИЗОБРАЖЕНИЙ С ПОМОЩЬЮ PYTORCH.
ГЛАВА 3.СВЕРТОЧНЫЕ НЕЙРОННЫЕ СЕТИ.
ГЛАВА 4.ПЕРЕНОС ОБУЧЕНИЯ И ДРУГИЕ ФОКУСЫ.
ГЛАВА 5.КЛАССИФИКАЦИЯ ТЕКСТА.
ГЛАВА 6.ПУТЕШЕСТВИЕ В МИР ЗВУКОВ.
ГЛАВА 7.ОТЛАДКА МОДЕЛЕЙ PYTORCH.
ГЛАВА 8.PYTORCH В РАБОЧЕЙ СРЕДЕ.
ГЛАВА 9.PYTORCH НА ПРАКТИКЕ.

Купить .



Хештеги: #Пойнтер :: #книги по программированию :: #программирование :: #машинное обучение